Go unicode.SimpleFold 怎样沿着大小写折叠链查找等价字符

Go 里的 unicode.SimpleFold 适合解决“一个字符还有哪些 Unicode 大小写等价形式”这个问题。它不是把字符简单转换成小写，而是每调用一次就沿着折叠链返回下一个等价 rune；遍历到起点时，说明这一组等价字符已经走完。

Go 官方地址：https://go.dev/

这一区别在大小写无关匹配、标识符筛选和 Unicode 字符表处理中特别重要。本文用一个可终止的遍历函数说明用法，再比较它与 unicode.ToLower、unicode.ToUpper 的边界。

SimpleFold 返回的是折叠链中的下一个节点

官方文档把 SimpleFold 定义为：在 Unicode 定义的 simple case folding 等价码点中，寻找大于当前 rune 的最小码点；如果没有更大的等价码点，就回到这一组中最小的非负码点。于是它天然表现为一个环。

例如，'A' 和 'a' 会互相返回；'K'、'k' 与开尔文符号 K 也能组成一条折叠链。图中的箭头只表达 API 的静态关系，不是运行截图。

因此，下面两种理解并不等价：

从起点遍历并收集全部等价 rune

实现遍历时要保存起点。第一次调用得到下一个节点，后续继续从新节点调用；当返回值重新等于起点，就可以结束。对于没有折叠关系的数字或标点，函数会返回自己，所以还要单独处理“第一次就回到起点”的情况。

package main

import (
    "fmt"
    "unicode"
)

// simpleFoldSet 沿折叠链收集与起点等价的 rune。
func simpleFoldSet(start rune) []rune {
    result := []rune{start}
    next := unicode.SimpleFold(start)

    // 自环表示没有其他等价 rune，直接返回可避免重复添加。
    if next == start {
        return result
    }

    for next != start {
        result = append(result, next)
        next = unicode.SimpleFold(next)
    }
    return result
}

func main() {
    // K 的折叠链还包含小写 k 与开尔文符号 K。
    fmt.Printf("%U\n", simpleFoldSet('K'))
}

这个函数的关键不是“循环多少次”，而是“是否回到同一个起点”。折叠表由 Unicode 数据决定，不能写死成只循环两次；某些字符可能有两个以上的等价码点。

非字母、非法 rune 和字符串输入怎么处理

数字、普通标点等没有大小写折叠关系时，SimpleFold(r) 会返回 r。这不是错误，而是一个只有一个成员的等价集合。上面的自环判断正是为了让这种输入只出现一次。

如果传入的值不是合法 Unicode 码点，官方文档规定函数原样返回该值。调用者若在处理外部字节流，应先用 utf8.DecodeRune 或 utf8.Valid 明确字节输入的合法性；不要把 SimpleFold 当作 UTF-8 校验器。

对字符串做匹配时，还要按 rune 遍历，而不是按字节下标比较。下面的示例只展示一个字符是否落在目标折叠链中：

// foldEqual 判断两个 rune 是否属于同一条 simple case folding 链。
func foldEqual(a, b rune) bool {
    // 先处理完全相同的输入，避免无意义地遍历一圈。
    if a == b {
        return true
    }
    for next := unicode.SimpleFold(a); next != a; next = unicode.SimpleFold(next) {
        // 找到目标后立即返回，避免继续扫描整条链。
        if next == b {
            return true
        }
    }
    return false
}

这里的匹配是“simple case folding 等价”，不是语言相关的完整大小写规则，也不是把多个 rune 的字符串变成同样长度。需要更宽泛的文本规范化或本地化规则时，应选择对应的 Unicode 文本处理方案。

SimpleFold 与 ToLower、ToUpper 怎样选择

如果业务规则是把输入统一成小写后作为键，unicode.ToLower 更直接；如果要判断“两个 rune 是否存在 Unicode simple folding 等价关系”，应遍历 SimpleFold。不要为了做等价判断而先后调用 ToLower、ToUpper，再假设所有特殊码点都能归并。

写代码时最容易忽略的三个边界

不要按固定次数循环

固定循环次数会把某些折叠链截断，也可能在数据规则改变时留下隐患。保存起点并检测回环，既表达了 API 语义，也能自然处理一成员自环。

不要把 rune 当成字节

Go 的 rune 是 Unicode 码点表示，字符串底层仍是 UTF-8 字节序列。遍历字符串时使用 for _, r := range text，再把每个 rune 交给折叠逻辑，避免把一个多字节字符拆开。

不要夸大 simple case folding 的范围

SimpleFold 解决的是 Unicode simple case folding 的码点等价关系。它不负责语言环境敏感的完整大小写转换、规范化、音译或模糊搜索。先把业务目标限定清楚，再选 API，通常比在循环外叠加更多转换更可靠。

常见问题

为什么 SimpleFold('K') 不直接返回小写 k？因为它返回的是折叠链中的下一个等价码点；在官方示例中，链还包含开尔文符号，继续遍历才能得到完整关系。

SimpleFold 返回自己是不是失败？不是。返回自己表示当前 rune 没有其他 simple-fold 等价码点，或输入本身是非法 Unicode 码点。

能不能用 SimpleFold 判断两个字符串大小写不敏感相等？只能把它作为逐 rune 比较的一部分；字符串级别还要处理 rune 数量、组合字符和业务规定的文本规范化，不能只比较字节。

为什么不直接把两个字符都 ToLower？ToLower 是一次映射，适合统一表示；它不能替代对折叠链的枚举。是否足够取决于业务要的是“统一大小写”还是“Unicode 等价判断”。

总结一下：把 SimpleFold 当成“沿等价环前进一次”的函数，保存起点、遇到回环就停止；把 ToLower 和 ToUpper 留给单值大小写映射；把 UTF-8 合法性和更完整的文本规范化交给对应工具。这样既能覆盖特殊等价字符，也不会把不同层次的问题混在同一段循环里。